针对绝缘子缺陷巡检过程中,传统算法因背景复杂难以同时兼顾检测精度与模型大小的问题,提出一种基于改进YOLOv5 s的绝缘子缺陷检测模型.首先,采用Bottleneck CSP结构,引入轻量型空间与通道卷积注意力机制,强化绝缘子特征并抑制复杂背景特征;然后,提出一种改进的BiFPN结构,实现多尺度特征融合,提升小目标检测能力;最后,采用K-means++算法重新聚类先验框,并设计轻量型GhostC3和Ghost Conv模块,保证网络精度的同时减小模型大小.实验结果表明:改进算法在Insulator2022数据集上的mAP值达到92.3％,提升了3.6％,参数量减少了26.73％,浮点运算量减少了23.17％,漏检率降低了5.47％;在公开数据集上,缺陷绝缘子mAP值达到99.5％,各项评估指标值优于Faster-RCNN、SSD、YOLOv3和YOLOv3-tiny主流算法以及绝缘子检测相关算法.
国家科技期刊平台
NSTL
万方数据
